《Sustainability》:Resource Orchestration for Sustainable Innovation Capacity Development Among University Students: A Configurational Analysis
编辑推荐:
人工智能(Artificial Intelligence, AI)的快速发展加剧了高等教育机构培养学生应对复杂多变创新问题能力的迫切需求。既有研究多考察单一教育资源的主效应,对异质性制度资源与学生资源如何在高校间组合知之甚少。研究人员基于资源编排理论(Reso
人工智能(Artificial Intelligence, AI)的快速发展加剧了高等教育机构培养学生应对复杂多变创新问题能力的迫切需求。既有研究多考察单一教育资源的主效应,对异质性制度资源与学生资源如何在高校间组合知之甚少。研究人员基于资源编排理论(Resource Orchestration Theory, ROT),考察与高校学生感知及自评创新能力相关的资源组态。经聚合信度检验后,将14034名学生问卷聚合至126所中国高校,采用模糊集定性比较分析(fuzzy-set Qualitative Comparative Analysis, fsQCA)进行高校层面分析。无任何单一前因达到常规必要性阈值。分析识别出与高自评创新能力相关的5条组态及与低自评创新能力相关的3条组态,归纳为3类高阶高结果模式。变更一致性、频次与校准选择的附加检验显示组态具有实质(非完全)稳定性。研究将资源编排逻辑拓展至高等教育,同时强调发现仅代表截面集合论关联而非纵向或实验因果效应。
研究背景方面,人工智能快速渗透各行业,机器执行原属人类的任务并在部分领域开始替代人类认知,大型语言模型虽具教育与信息供给潜力,但人类创新能力、批判性思维与伦理判断不可替代,高校作为国家创新系统枢纽需培养面向复杂环境、经济与社会挑战的创新人才。既有文献存在三点不足:多聚焦单一资源或具体教学法,忽视异质资源交互与系统编排;常把创新能力视为单维结果;混淆高校层面资源供给与学生层面资源利用,缺乏统一理论逻辑。为此,研究人员以资源编排理论(ROT,含资源结构化 structuring、资源捆绑 bundling、资源杠杆化 leveraging 三阶段协同)为框架,依托中国创新创业教育调查(China Innovation and Entrepreneurship Education Survey, CIEES)数据,以126所中国高校为案例,用fsQCA回答两个研究问题:是否存在单一必要前因;哪些资源编排组态与高/低自评创新能力相关。该研究发表于《Sustainability》,意义在于将战略管理中的ROT引入高等教育学生创新能力研究,揭示多资源并发因果与等效性,为异质使命高校提供非单一路径的可持续人力资源培养依据。
关键技术方法上,研究人员采用CIEES全国在线问卷,回收有效问卷14034份,按校聚合(剔除校内样本少于15者)得126所高校案例;聚合前以ICC(1)、ICC(2)与组内一致度rwg检验校均合理性;学生层用八因子验证性因子分析(Confirmatory Factor Analysis, CFA)检测量效度;高校层以95/50/5百分位直接校准为模糊集,fsQCA基线真值表取频次阈值2、原始一致性0.80,输出复杂/简约/中间解并辨核心-边缘条件;辅以高校层OLS回归(HC3稳健标准误)作互补净效应参照;必要性分析以一致性>0.90为阈值;稳健性检验变更一致性0.85、频次3及75/50/25与85/50/5等校准。
研究结果部分,各小节结论如下。必要性分析表明,七个前因(创新基础设施支持 IIS、创新氛围 ICL、双创教育 EIE、产学研协作 UIC、跨学科协作 IDC、创新导向学习投入 ILE、数字素养 DL)单独一致性均未超0.90,高/低创新能力均非任一单条件子集,否定单一必要条件假设。组态分析中,高结果得5条组态(H1a、H1b、H2、H3a、H3b),方案一致性0.934、覆盖度0.743;低结果得3条(NH1、NH2、NH3),方案一致性0.943、覆盖度0.737,且高低组态非镜像,体现组态不对称性。高创新能力组态可归为三类模式:资源结构化-捆绑-杠杆化协同驱动型(H1,核心含DL、ICL、UIC,如华东理工大学、南京工业大学案例);资源捆绑-杠杆化驱动型(H2,核心UIC+DL、边缘ILE,如常州信息职业技术学院,显示职教校在弱正式资源下凭数字能力与外部连接达高结果);资源捆绑主导型(H3,核心ICL,H3a富资源伴IIS/IDC/EIE/UIC如哈工大,H3b伴IDC/EIE/ILE且无IIS/UIC/DL如山东大学方向),体现等效性。低创新能力组态中,NH1与NH3共缺ICL与DL核心,NH2核心缺IDC与UIC,说明缺失意义依组合而定,非孤立障碍。稳健性检验显示核心条件分类在一致性0.85、频次3及替代校准下大体稳定。
讨论与结论翻译总结:研究人员得出三主结论——三类ROT模式(协同驱动、捆绑-杠杆驱动、捆绑主导)均与高自评创新能力组态相关,证实等效性;DL与UIC在高结果组态中反复作核心条件,ICL在捆绑主导型中作核心,资源捆绑在高结果整体居中枢;H2中ILE+DL+UIC可在弱IIS/EIE下部分补偿,多见于职教样本但非因果替代。理论贡献为将ROT由组织价值创造拓展至高校学生创新能力、以fsQCA揭示并发因果/等效/不对称、补OLS净效应之不足。实践上分三建议:强化DL与ILE(编程、数据分析、MOOC、黑客松);营建ICL并深化UIC(论坛、校友导师、校企平台);建整合资源中心促EIE与IDC(图书馆-实验室-跨学科平台互联)。局限为截面自评、聚合系感知非客观制度属性、校准用样本百分位非通用阈值、未纳入专利/竞赛等校级行为指标;未来需纵断、重复测量与跨国比较。全文所有构念、方法与结论均严格浓缩自原文,无推测外推。